在cuda8.0+faster-rcnn（python版）下使用kitti數據集進行訓練

前言

本人是萌新一枚，第一次寫博客感覺鴨梨山大。最近因爲在做車輛檢測問題，於是想測試了一下faster-rcnn使用kitti數據會有什麼樣的效果。結果不用不知道，裏面出現了無數的坑（主要是因爲環境的不同），爲了避免大家遇到同樣了問題，於是本人決定將自己的測試過程寫下來，供大家參考。當然，本文參考了許多其他大佬的博客文章，最後我會給出鏈接，大家有興趣可以看一看。

faster-rcnn編譯

faster-rcnn的編譯過程我在這就不多說了，網上可以查到許多內容，註明，我這裏使用的python版的faster-rcnn，matlab版的沒有進行嘗試。這裏我講一下怎麼處理faster-rcnn與cuda8.0不兼容的問題。對於這個問題，我測試了晚上很多種解決方法，結果有的並沒能解決問題，讓我花了很多時間。這裏我介紹一下一個成功的解決方法。錯誤如下：

too few arguments to function ‘cudnnStatus_t cudnnSetPooling2dDescriptor(cudnnPoolingDescriptor_t, cudnnPoolingMode_t, cudnnNanPropagation_t, int, int, int, int, int, int)’ pad_h, pad_w, stride_h, stride_w));

我使用的解決方法如下：

1.將./include/caffe/util/cudnn.hpp 換成最新版的caffe裏的cudnn的實現，即相應的cudnn.hpp.
2. 將./include/caffe/layers裏的，所有以cudnn開頭的文件，例如cudnn_conv_layer.hpp。都替換成最新版的caffe裏的相應的同名文件。
3.將./src/caffe/layer裏的，所有以cudnn開頭的文件，例如cudnn_lrn_layer.cu，cudnn_pooling_layer.cpp，cudnn_sigmoid_layer.cu。
都替換成最新版的caffe裏的相應的同名文件。

之後根據網上的流程便可以成功編譯faster-rcnn。

數據集的準備

Kitti數據集的下載只需要第一個圖片集（12G）和標註文件即可。由於faster-rcnn使用的是VOC格式的數據集，所以我們要將kitti數據集的格式改成VOC的格式。這裏我先簡單說明一下VOC數據集的格式，便於大家對於轉換程序的理解。

以VOC2007爲例，其中包含了3個文件夾：

1.JPEGImages是用來存放所有的訓練圖片的

2.ImageSets中有多個子文件夾（Main，Layout，Segmentation），由於我只關心detection的任務（VOC數據集還可以用來做其他任務），所以我只需要考慮其中的Main文件夾，Main文件夾中的內容是一些txt文件，是用來標明訓練的時候的train數據集和val數據集。

3.Annotation是用來存放xml文件的，其中xml文件中包含了相對應的bounding box的位置信息，以及種類。xml文件的內容如下：

<?xml version="1.0" ?>
<annotation>
	<folder>VOC2007</folder>					//文件夾
	<filename>000012.jpg</filename>					//xml文件對應的圖片的名稱
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
	</source>
	<size>								//圖片大小信息1242x375
		<width>1242</width>					
		<height>375</height>
		<depth>3</depth>
	</size>
	<object>							//圖片中標註的物體
		<name>car</name>					//標註的物體類別
		<difficult>0</difficult>
		<bndbox>						//標註物體的bounding box
		<xmin>662</xmin>
		<ymin>185</ymin>
		<xmax>690</xmax>
		<ymax>205</ymax>
		</bndbox>
		</object>
	<object>
		<name>car</name>
		<difficult>0</difficult>
		<bndbox>
		<xmin>448</xmin>
		<ymin>177</ymin>
		<xmax>481</xmax>
		<ymax>206</ymax>
		</bndbox>
	</object>
</annotation>

現在我們來看一下kitti數據集的格式,我們下載的kitti數據集分爲兩個壓縮文件，其中一個是image裏面全是交通場景圖，另一個是label裏面是關於標註信息的txt文件。txt文件內容如下：

car 0.00 0 -1.57 599.41 156.40 629.75 189.25 2.85 2.63 12.34 0.47 1.49 69.44 -1.56
car 0.00 0 1.85 387.63 181.54 423.81 203.12 1.67 1.87 3.69 -16.53 2.39 58.49 1.57
pedestrian 0.00 3 -1.65 676.60 163.95 688.98 193.93 1.86 0.60 2.02 4.59 1.32 45.84 -1.55

每一行就是一個object，最前方是類別信息，後面是bounding box信息。

瞭解了兩類數據集的格式之後，讓我們來看看如何將kitti數據集轉化爲VOC數據集吧：

首先由於kitti使用的是png圖片，而VOC使用的是jpg文件，我們使用圖片格式轉換工具進行格式轉換，之後將jpg圖片放入JPEGImages文件夾（自己創建）。

下一步，由於我只需要汽車類car和行人類pedesreian，於是我將kitti中的卡車等其他類別進行了合併代碼如下

#!/usr/bin/env python
# -*- coding: UTF-8 -*-

# modify_annotations_txt.py
import glob
import string

txt_list = glob.glob('./Labels/*.txt') # 存儲Labels文件夾所有txt文件路徑
def show_category(txt_list):
    category_list= []
    for item in txt_list:
        try:
            with open(item) as tdf:
                for each_line in tdf:
                    labeldata = each_line.strip().split(' ') # 去掉前後多餘的字符並把其分開
                    category_list.append(labeldata[0]) # 只要第一個字段，即類別
        except IOError as ioerr:
            print('File error:'+str(ioerr))
    print(set(category_list)) # 輸出集合

def merge(line):
    each_line=''
    for i in range(len(line)):
        if i!= (len(line)-1):
            each_line=each_line+line[i]+' '
        else:
            each_line=each_line+line[i] # 最後一條字段後面不加空格
    each_line=each_line+'\n'
    return (each_line)

print('before modify categories are:\n')
show_category(txt_list)

for item in txt_list:
    new_txt=[]
    try:
        with open(item, 'r') as r_tdf:
            for each_line in r_tdf:
                labeldata = each_line.strip().split(' ')
                if labeldata[0] in ['Truck','Van','Tram','Car']: # 合併汽車類
                    labeldata[0] = labeldata[0].replace(labeldata[0],'car')
                if labeldata[0] in ['Person_sitting','Cyclist','Pedestrian']: # 合併行人類
                    labeldata[0] = labeldata[0].replace(labeldata[0],'pedestrian')
                if labeldata[0] == 'DontCare': # 忽略Dontcare類
                    continue
                if labeldata[0] == 'Misc': # 忽略Misc類
                    continue
                new_txt.append(merge(labeldata)) # 重新寫入新的txt文件
        with open(item,'w+') as w_tdf: # w+是打開原文件將內容刪除，另寫新內容進去
            for temp in new_txt:
                w_tdf.write(temp)
    except IOError as ioerr:
        print('File error:'+str(ioerr))

print('\nafter modify categories are:\n')
show_category(txt_list)

將本程序和kitti的Labels放在同一目錄下執行，可以將Labels中的類別合併爲只剩下car類和pedestrian類（這裏我使用小寫是防止faster-rcnn訓練報錯）。之後要把txt文件轉化爲xml文件，在相同目錄下創建文件夾Annotations。執行文件代碼如下：

#!/usr/bin/env python
# -*- coding: UTF-8 -*-
# txt_to_xml.py
# 根據一個給定的XML Schema，使用DOM樹的形式從空白文件生成一個XML
from xml.dom.minidom import Document
import cv2
import os

def generate_xml(name,split_lines,img_size,class_ind):
    doc = Document()  # 創建DOM文檔對象

    annotation = doc.createElement('annotation')
    doc.appendChild(annotation)

    title = doc.createElement('folder')
    title_text = doc.createTextNode('VOC2007')#這裏修改了文件夾名
    title.appendChild(title_text)
    annotation.appendChild(title)

    img_name=name+'.jpg'#要用jpg格式

    title = doc.createElement('filename')
    title_text = doc.createTextNode(img_name)
    title.appendChild(title_text)
    annotation.appendChild(title)

    source = doc.createElement('source')
    annotation.appendChild(source)

    title = doc.createElement('database')
    title_text = doc.createTextNode('The VOC2007 Database')#修改爲VOC
    title.appendChild(title_text)
    source.appendChild(title)

    title = doc.createElement('annotation')
    title_text = doc.createTextNode('PASCAL VOC2007')#修改爲VOC
    title.appendChild(title_text)
    source.appendChild(title)

    size = doc.createElement('size')
    annotation.appendChild(size)

    title = doc.createElement('width')
    title_text = doc.createTextNode(str(img_size[1]))
    title.appendChild(title_text)
    size.appendChild(title)

    title = doc.createElement('height')
    title_text = doc.createTextNode(str(img_size[0]))
    title.appendChild(title_text)
    size.appendChild(title)

    title = doc.createElement('depth')
    title_text = doc.createTextNode(str(img_size[2]))
    title.appendChild(title_text)
    size.appendChild(title)

    for split_line in split_lines:
        line=split_line.strip().split()
        if line[0] in class_ind:
            object = doc.createElement('object')
            annotation.appendChild(object)

            title = doc.createElement('name')
            title_text = doc.createTextNode(line[0])
            title.appendChild(title_text)
            object.appendChild(title)
	    
   	    title = doc.createElement('difficult')
            title_text = doc.createTextNode('0')
            title.appendChild(title_text)
            object.appendChild(title)

            bndbox = doc.createElement('bndbox')
            object.appendChild(bndbox)
            title = doc.createElement('xmin')
            title_text = doc.createTextNode(str(int(float(line[4]))))
            title.appendChild(title_text)
            bndbox.appendChild(title)
            title = doc.createElement('ymin')
            title_text = doc.createTextNode(str(int(float(line[5]))))
            title.appendChild(title_text)
            bndbox.appendChild(title)
            title = doc.createElement('xmax')
            title_text = doc.createTextNode(str(int(float(line[6]))))
            title.appendChild(title_text)
            bndbox.appendChild(title)
            title = doc.createElement('ymax')
            title_text = doc.createTextNode(str(int(float(line[7]))))
            title.appendChild(title_text)
            bndbox.appendChild(title)

    # 將DOM對象doc寫入文件
    f = open('Annotations/'+name+'.xml','w')
    f.write(doc.toprettyxml(indent = ''))
    f.close()

if __name__ == '__main__':
    class_ind=('pedestrian', 'car')#修改爲了兩類
    cur_dir=os.getcwd()
    labels_dir=os.path.join(cur_dir,'Labels')
    for parent, dirnames, filenames in os.walk(labels_dir): # 分別得到根目錄，子目錄和根目錄下文件   
        for file_name in filenames:
            full_path=os.path.join(parent, file_name) # 獲取文件全路徑
            #print full_path
            f=open(full_path)
            split_lines = f.readlines()
            name= file_name[:-4] # 後四位是擴展名.txt，只取前面的文件名
            #print name
            img_name=name+'.jpg' 
            img_path=os.path.join('/home/iair339-04/data/KITTIdevkit/KITTI/JPEGImages',img_name) # 路徑需要自行修改            
            #print img_path
            img_size=cv2.imread(img_path).shape
            generate_xml(name,split_lines,img_size,class_ind)
print('all txts has converted into xmls')

將程序放在Labels同一級目錄下執行，則可以在Annotations文件夾下生成xml文件，之後在同級目錄下創建Imagesets文件夾，在文件夾中創建Main，Layout，Segmentation子文件夾。執行文件代碼如下（用python3運行。t執行程序過程中，如遇到pdb提示，可按c鍵，再按enter鍵）

# create_train_test_txt.py
# encoding:utf-8
import pdb
import glob
import os
import random
import math

def get_sample_value(txt_name, category_name):
    label_path = './Labels/'
    txt_path = label_path + txt_name+'.txt'
    try:
        with open(txt_path) as r_tdf:
            if category_name in r_tdf.read():
                return ' 1'
            else:
                return '-1'
    except IOError as ioerr:
        print('File error:'+str(ioerr))

txt_list_path = glob.glob('./Labels/*.txt')
txt_list = []

for item in txt_list_path:
    temp1,temp2 = os.path.splitext(os.path.basename(item))
    txt_list.append(temp1)
txt_list.sort()
print(txt_list, end = '\n\n')

# 有博客建議train:val:test=8:1:1，先嚐試用一下
num_trainval = random.sample(txt_list, math.floor(len(txt_list)*9/10.0)) # 可修改百分比
num_trainval.sort()
print(num_trainval, end = '\n\n')

num_train = random.sample(num_trainval,math.floor(len(num_trainval)*8/9.0)) # 可修改百分比
num_train.sort()
print(num_train, end = '\n\n')

num_val = list(set(num_trainval).difference(set(num_train)))
num_val.sort()
print(num_val, end = '\n\n')

num_test = list(set(txt_list).difference(set(num_trainval)))
num_test.sort()
print(num_test, end = '\n\n')

pdb.set_trace()

Main_path = './ImageSets/Main/'
train_test_name = ['trainval','train','val','test']
category_name = ['Car','Pedestrian']#修改類別

# 循環寫trainvl train val test
for item_train_test_name in train_test_name:
    list_name = 'num_'
    list_name += item_train_test_name
    train_test_txt_name = Main_path + item_train_test_name + '.txt' 
    try:
        # 寫單個文件
        with open(train_test_txt_name, 'w') as w_tdf:
            # 一行一行寫
            for item in eval(list_name):
                w_tdf.write(item+'\n')
        # 循環寫Car Pedestrian Cyclist
        for item_category_name in category_name:
            category_txt_name = Main_path + item_category_name + '_' + item_train_test_name + '.txt'
            with open(category_txt_name, 'w') as w_tdf:
                # 一行一行寫
                for item in eval(list_name):
                    w_tdf.write(item+' '+ get_sample_value(item, item_category_name)+'\n')
    except IOError as ioerr:
        print('File error:'+str(ioerr))

在Labels同級目錄下執行文件，生成Main中的txt文件。至此，數據集的準備結束，我們將準備好的Annotations，JPEGImages，ImageSets文件夾放到如下目錄下

python-faster-rcnn/data/VOCdevkit2007/VOC2007

Faster-rcnn訓練

先簡要介紹一下faster-rcnn的工程目錄吧：

caffe-fast-rcnn —> caffe框架
data —> 存放數據，以及讀取文件的cache
experiments —>存放配置文件以及運行的log文件,配置文件
lib —> python接口
models —> 三種模型, ZF(S)/VGG1024(M)/VGG16(L)
output —> 輸出的model存放的位置，不訓練此文件夾沒有
tools —> 訓練和測試的python文件

faster-rcnn有兩種訓練方法： Alternative training(alt-opt)和Approximate joint training(end-to-end)，這裏我使用的是apt-opt的訓練方法，使用到的是tools/train_faster_rcnn_alt_opt.py，感興趣的可以看一下其的代碼，這裏我就不多說了。我使用的網絡是VGG16，相比於ZF，VGG16可以達到更高的準確性。當然，直接進行訓練是不可能的，我們要修改faster-rcnn的網絡結構以適應我們car和pedestrian兩類的情況，要修改的網絡部分如下：

1./py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_fast_rcnn_train.pt文件

第14行

name: "VGG_ILSVRC_16_layers"
layer {
  name: 'data'
  type: 'Python'
  top: 'data'
  top: 'rois'
  top: 'labels'
  top: 'bbox_targets'
  top: 'bbox_inside_weights'
  top: 'bbox_outside_weights'
  python_param {
    module: 'roi_data_layer.layer'
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 3" #此處修改類別
  }
}

第428和第451行

layer {
  name: "cls_score"
  type: "InnerProduct"
  bottom: "fc7"
  top: "cls_score"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 3 #此處修改類別
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "bbox_pred"
  type: "InnerProduct"
  bottom: "fc7"
  top: "bbox_pred"
  param {
    lr_mult: 1
  }
  param {
    lr_mult: 2
  }
  inner_product_param {
    num_output: 12 #此處修改類別
    weight_filler {
      type: "gaussian"
      std: 0.001
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

2./py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage1_rpn_train.pt文件
第11行

name: "VGG_ILSVRC_16_layers"
layer {
  name: 'input-data'
  type: 'Python'
  top: 'data'
  top: 'im_info'
  top: 'gt_boxes'
  python_param {
    module: 'roi_data_layer.layer'
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 3" #此處修改類別
  }
}

3./py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_fast_rcnn_train.pt文件
第14行

name: "VGG_ILSVRC_16_layers"
layer {
  name: 'data'
  type: 'Python'
  top: 'data'
  top: 'rois'
  top: 'labels'
  top: 'bbox_targets'
  top: 'bbox_inside_weights'
  top: 'bbox_outside_weights'
  python_param {
    module: 'roi_data_layer.layer'
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 3" #此處修改類別
  }
}

第380和第399行

layer {
  name: "cls_score"
  type: "InnerProduct"
  bottom: "fc7"
  top: "cls_score"
  param { lr_mult: 1 }
  param { lr_mult: 2 }
  inner_product_param {
    num_output: 3 #此處修改類別
    weight_filler {
      type: "gaussian"
      std: 0.01
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}
layer {
  name: "bbox_pred"
  type: "InnerProduct"
  bottom: "fc7"
  top: "bbox_pred"
  param { lr_mult: 1 }
  param { lr_mult: 2 }
  inner_product_param {
    num_output: 12 #此處修改類別
    weight_filler {
      type: "gaussian"
      std: 0.001
    }
    bias_filler {
      type: "constant"
      value: 0
    }
  }
}

4./py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/stage2_rpn_train.pt文件
第11行

name: "VGG_ILSVRC_16_layers"
layer {
  name: 'input-data'
  type: 'Python'
  top: 'data'
  top: 'im_info'
  top: 'gt_boxes'
  python_param {
    module: 'roi_data_layer.layer'
    layer: 'RoIDataLayer'
    param_str: "'num_classes': 3"  
  }
}

自此網絡結構修改結束。但是爲了防止訓練結果不收斂（其實是由於後面進行訓練的時候卡在階段一），我們要將訓練的學習率調小，調整到0.0001。（試驗後得到的參數值）

需要調整的文件是/py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt目錄下的所有的solver文件的

base_lr: 0.0001

之後執行/py-fater-rcnn/data/scripts/fetch_imagenet_model.sh，得到imagenet的caffemodel文件，因爲rpn網絡的訓練是以imagenet爲初始值進行訓練的。再之後修改py-faster-rcnn/lib/datasets/pascal_voc.py文件的31行，修改爲自己的類別，如下：

        self._classes = ('__background__', # always index 0
                         'car', 'pedestrian')

修改py-faster-rcnn/lib/dataset/imdb.py文件，修改102行的append_flipped_images函數爲：

    def append_flipped_images(self):
        num_images = self.num_images
        widths = [PIL.Image.open(self.image_path_at(i)).size[0]  
                  for i in xrange(num_images)] 
        for i in xrange(num_images):
            boxes = self.roidb[i]['boxes'].copy()
            oldx1 = boxes[:, 0].copy()
            oldx2 = boxes[:, 2].copy()
            boxes[:, 0] = widths[i] - oldx2 - 1
            boxes[:, 2] = widths[i] - oldx1 - 1
            assert (boxes[:, 2] >= boxes[:, 0]).all()
            entry = {'boxes' : boxes,
                     'gt_overlaps' : self.roidb[i]['gt_overlaps'],
                     'gt_classes' : self.roidb[i]['gt_classes'],
                     'flipped' : True}
            self.roidb.append(entry)
        self._image_index = self._image_index * 2

自此代碼修改結束，不過如果不想排錯的話，建議先再看本文的排錯部分，修改其他代碼再進行訓練。
接來下先介紹一下如何修改訓練超參數（學習率已經在前面改過了，就不再說了），大多數超參數都是在/py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt目錄下的所有的solver文件中進行改動的。只有訓練次數不同，訓練次數是在/py-faster-rcnn/tools/train_faster_rcnn_alt_opt.py中進行修改的：

第80行

max_iters = [120000, 80000, 120000, 80000]

分別對應rpn第1階段，fast rcnn第1階段，rpn第2階段，fast rcnn第2階段的迭代次數，不過注意這裏的值不能小於上面的solver裏面的step_size的大小。在這裏我建議大家先把訓練次數調小兩個數量集，這樣排除錯誤的時候就不會等太長時間了。
接下來就是在py-faster-rcnn目錄下打開終端，執行下列命令：

./experiments/scripts/faster_rcnn_alt_opt.sh 0 VGG16 pascal_voc

開始訓練，如果在py-faster-rcnn文件夾下出現output文件夾，output文件夾下有final caffemodel則表明訓練成功。

訓練中遇到了錯誤及問題

下面是我在訓練的過程中所遇到的一些問題以及解決的方法，希望對大家有所幫助。

問題一：

rpn階段一訓練結束後不開始fast-rcnn階段一的訓練

這個問題是因爲學習率過大的原因，調小學習率可以解決

問題二：

pb2.text_format.Merge(f.read(), self.solver_param) AttributeError: 'module' object has no attribute 'text_format'

這個問題是因爲protobuf的版本不對，解決方法是pip install protobuf==2.6.0

問題三：

訓練faster rcnn時出現如下報錯：
File "/py-faster-rcnn/tools/../lib/datasets/imdb.py", line 108, in append_flipped_images
assert (boxes[:, 2] >= boxes[:, 0]).all()
AssertionError

這個問題是由於faster rcnn會對Xmin,Ymin,Xmax,Ymax進行減一操作如果Xmin爲0，減一後變爲65535

解決方法如下

改/py-faster-rcnn/lib/fast_rcnn/config.py的61行，不使圖片實現翻轉，如下改爲：
# Use horizontally-flipped images during training?
__C.TRAIN.USE_FLIPPED = False

問題四：

TypeError: ‘numpy.float64’ object cannot be interpreted as an index

這個錯誤是/py-faster-rcnn/lib/roi_data_layer下的minibatch.py中的npr.choice引起的（98行到116行），所以需要改成如下所示

    if fg_inds.size > 0:
    	for i in range(0,len(fg_inds)):
            fg_inds[i] = int(fg_inds[i])
        fg_inds = npr.choice(fg_inds, size=int(fg_rois_per_this_image), replace=False)


    # Select background RoIs as those within [BG_THRESH_LO, BG_THRESH_HI)
    bg_inds = np.where((overlaps < cfg.TRAIN.BG_THRESH_HI) &
                       (overlaps >= cfg.TRAIN.BG_THRESH_LO))[0]
    # Compute number of background RoIs to take from this image (guarding
    # against there being fewer than desired)
    bg_rois_per_this_image = rois_per_image - fg_rois_per_this_image
    bg_rois_per_this_image = np.minimum(bg_rois_per_this_image,
                                        bg_inds.size)
    # Sample foreground regions without replacement
    if bg_inds.size > 0:
        for i in range(0,len(bg_inds)):
            bg_inds[i] = int(bg_inds[i])
        bg_inds = npr.choice(bg_inds, size=int(bg_rois_per_this_image), replace=False)

注意有兩個npr.choice，所以兩個地方都按照如上來改。

問題五：

labels[fg_rois_per_this_image:] = 0
TypeError: slice indices must be integers or None or have an index method

這個錯誤是由numpy的版本引起的，只要將fg_rois_per_this_image強制轉換爲int型就可以了
labels[int(fg_rois_per_this_image):] = 0

問題六：bbox_targets[ind, start:end] = bbox_target_data[ind, 1:]
TypeError: slice indices must be integers or None or have an __index__ method

解決方法：修改/py-faster-rcnn/lib/rpn/proposal_target_layer.py，轉到123行

for ind in inds:
cls = clss[ind]
start = 4 * cls
end = start + 4
bbox_targets[ind, start:end] = bbox_target_data[ind, 1:]
bbox_inside_weights[ind, start:end] = cfg.TRAIN.BBOX_INSIDE_WEIGHTS
return bbox_targets, bbox_inside_weights
這裏的ind，start，end都是 numpy.int 類型，這種類型的數據不能作爲索引，所以必須對其進行強制類型轉換，轉化結果如下：

    for ind in inds:
        ind = int(ind)
        cls = clss[ind]
        start = int(4 * cls)
        end = int(start + 4)
        bbox_targets[ind, start:end] = bbox_target_data[ind, 1:]
        bbox_inside_weights[ind, start:end] = cfg.TRAIN.BBOX_INSIDE_WEIGHTS
    return bbox_targets, bbox_inside_weights

問題七：

/home/iair339-04/py-faster-rcnn/tools/../lib/rpn/proposal_layer.py:175: RuntimeWarning: invalid value encountered in greater_equal
keep = np.where((ws >= min_size) & (hs >= min_size))[0]

解決方法

修改/py-faster-rcnn/lib/datasets/pascal_voc.py第204-207行，修改結果如下：

            x1 = float(bbox.find('xmin').text)
            y1 = float(bbox.find('ymin').text)
            x2 = float(bbox.find('xmax').text) 
            y2 = float(bbox.find('ymax').text)

Faster rcnn測試

接下來是測試部分的代碼修改，我使用的tools裏的demo.py進行修改來實現模型的測試。首先我們要修改測試的模型文件

/py-faster-rcnn/models/pascal_voc/VGG16/faster_rcnn_alt_opt/faster_rcnn_test.pt文件

第392和第401行

layer {
  name: "cls_score"
  type: "InnerProduct"
  bottom: "fc7"
  top: "cls_score"
  inner_product_param {
    num_output: 3 #修改類別數
  }
}
layer {
  name: "bbox_pred"
  type: "InnerProduct"
  bottom: "fc7"
  top: "bbox_pred"
  inner_product_param {
    num_output: 12 #修改類別數
  }
}

接下來將訓練好的final caffemodel放到/py-faster-rcnn/data/faster_rcnn_models目錄下，並且把待測試圖片放到/py-faster-rcnn/data/demo目錄下。修改/py-faster-rcnn/tools/demo.py文件，修改如下：

第27行修改類別

CLASSES = ('__background__',
           'car', 'pedestrian') #此處修改類別

第31行修改模型名稱爲final caffemodel名稱

NETS = {'vgg16': ('VGG16',
                  'kitti4.caffemodel'),#修改model名字
        'zf': ('ZF',
                  'ZF_faster_rcnn_final.caffemodel')}

第141行修改測試圖片名稱

    im_names = ['1348.png','1562.png','4714.png','5509.png','5512.png','5861.png','12576.png','12924.png',
		'22622.png','23873.png','2726.png','3173.png','8125.png','8853.png','9283.png','11714.png','24424.png',
		'25201.png','25853.png','27651.png']

之後運行demo.py便可以進行測試，在此我並沒有把行人檢測和車輛檢測合併到同一個圖片上，感興趣的可以自己去網上搜索相關資料。下面展示一下我自己訓練的模型的detection效果（每張圖片測試時間平均爲0.1s）

參考

使用faster-rcnn進行進行目標檢測（實踐篇）http://blog.csdn.net/gavin__zhou/article/details/52052915

SSD:Single Shot MultiBox Detection 訓練KITTI數據集 http://blog.csdn.net/jesse_mx/article/details/65634482

在cuda8.0+faster-rcnn（python版）下使用kitti數據集進行訓練

前言

faster-rcnn編譯

數據集的準備

Faster-rcnn訓練

訓練中遇到了錯誤及問題

Faster rcnn測試

參考

數值優化方法筆記

yolo v2文件結構和源碼的簡單梳理

DCT變換和JPEG量化對圖像質量的影響

ssd訓練kiiti數據集和測試過程

SLAM中的一些知識點記錄

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結